AI 是不是已经毁了围棋这一古老的游戏？

人工智能（AI）确实在围棋领域取得了巨大的突破，尤其是谷歌旗下的AlphaGo和DeepMind公司的AlphaGo Zero。这些AI系统击败了世界冠军级别的围棋选手，并展示了超越人类的游戏水平。

尽管AI的出现改变了围棋的竞技环境，但它并没有彻底毁掉围棋这一古老游戏。相反，AI在围棋领域的发展实际上加大了人们对围棋的兴趣和关注度。AlphaGo击败围棋世界冠军李世石的比赛在全球范围内引起了广泛的关注，吸引了更多人投入到围棋这个传统的智力挑战中。

AI在围棋中的应用也给人类玩家带来了一些好处。很多围棋爱好者通过研究AI的下棋方式来提高自己的水平，并从AI的思考过程中获取更深入的战略和战术洞察。AI系统还可以为玩家提供实时分析和反馈，帮助他们更好地理解自己的局势和对手的优势。

虽然AI在围棋中表现出非凡的能力，但它仍然是依靠人类设计和训练的。AI的成功取决于大量的训练数据和优化算法，而这些都是人类围棋专家提供的。因此，围棋仍然需要人类的参与和智慧来发展和进步。

综上所述，虽然AI在围棋领域取得了重大突破，但它没有毁掉这一古老游戏，而是为围棋注入了新的活力，并为人类玩家提供了更多的学习和对弈机会。

文|探员A

图|网络

编辑|kaka

北美时间2021年8月19日的特斯拉“AI Day”，就像其2019 年的“Autonomous Day”和 2020 年的“Battery Day”一样，把 科技 公司的调性拿捏的死死的。硬核的特斯拉再次出手，让传统车企，甚至很多 科技 公司都望尘莫及。

下面是猫头鹰情报局带来了内容快报。发布会可以大致分为三个部分：1-基于视觉和AI的自动驾驶研发进展；2-Dojo超级计算机；3-通用功用的特斯拉人形机器人。

01

—

基于纯视觉和AI的自动驾驶研发进展

虽然有蔚来NOP工况下事故影响的阴影，但这也阻挡不了特斯拉对完全自动驾驶的追求。就像人类在真正发明飞机之前，有着数不清的坠向地面，但是我们最终还是一飞冲天！

特斯拉首先秀出了最新版本的FSD。无保护路口左转、没有车道线的乡村道路、避让行人、路口停车、识别红绿灯……这些动作特斯拉都做得非常熟练。

特斯拉通过车身四周的8枚摄像头，形成三维矢量空间，感知出车身周围的环境。8个摄像头都采用1280960分辨率12bit HDR图像，以每秒36帧的速率采集，就能够实现良好的感知效果。

摄像头除了识别车辆，特斯拉还会识别人、红绿灯等多种物体。在这个过程中，特斯拉还能够在感知过程中重建道路，通过标记车道线和其他物体。与此同时，特斯拉还会通过不同车辆收集同一路段的数据，并把不同车辆的数据合并在一起，最终实现更精确的重新建图。

在完成了精确的地图和数字环境重构后，另外一个挑战就是在环境中“标记物体“。只有车辆能够流畅地标记路旁物体，在准确识别物体之后，才能够实现流畅的城市道路自动驾驶。

今年5月，特斯拉面向美国市场销售的Model 3/Y车型取消了毫米波雷达，不过在雨、雾、雪等能见度较低的天气下，摄像头能看清楚吗？答案是能。仍然依靠短片记录驾驶场景，特斯拉每周能够获得1万段类似的恶劣环境短片，通过这些不同的短片一起合成从而重构周围的环境，来实现距离的感知。

随着特斯拉在路面上的车辆越来越多，记录和迭代的美国道路数据也会更加丰富，预计在美国道路上行驶的车辆的自动驾驶辅助功能也会日趋完善。

02

—

Dojo超级计算机

要处理大量的道路图像数据，需要海量的计算能力。这就是为什么特斯拉要自研Dojo超级计算机。发布会从单个芯片设计（Chip），芯片系统集成（System），计算机集成（Computer Cluster）及软件运用（Software）进行了了介绍。

Dojo超级计算机是特斯拉开发的专门用于神经网络训练的超级计算机。从D1芯片的开发到集成都完全由特斯拉在内部独立完成。用Elon的话来说，D1芯片可以实现媲美GPU的训练能力，同时兼具CPU的灵活性。

目前D1芯片已经在台架上完成了系统试验和运算。最后3000块这样的芯片会组成120个系统单元，一同成为特斯拉Dojo超级计算机。

该超级计算机可以是实现11 EFLOPS每秒浮点运算次数。一个EFLOPS等于每秒一百京/一百亿亿（10的18次方）次的浮点运算。这是什么概念？Dojo的运算速度比2021年6月公布的世界排名第一的超级计算机日本富岳，还要再快约25倍。

一个TFLOPS（teraFLOPS）等于每秒一兆/一万亿（1012）次的浮点运算

一个EFLOPS（exaFLOPS）等于每秒一百京/一百亿亿（1018）次的浮点运算

03

—

通用功用的特斯拉机器人

接下来的脑洞是猫头鹰情报局完全没有预料到的。马斯克自己登台发布了特斯拉机器人Tesla Bot。

从简介上来看这个机器人主要是为了将来替代人类进行一些危险的，重复的和无聊的工作。该机器人将有5英尺8英寸高（约合173米），体重有125磅（约合567千克），可抱起45磅重的货物（约合204千克），也可以通过举重硬拉姿势举起150磅的重物（约合680千克）。

比较自然的一个联想是，以后特斯拉会不会把这样的机器人安排在Gigafactory里面从事车辆生产工作，不过后面的Q&A环节里面，马斯克的回应是“工厂现在已经非常自动化了，人非常少，这个人形机器人的初衷并不是单纯为了造车”。

然后，发布会公布了一部分关键的机械结构细节和感知智能系统。它的四肢使用40个机电执行器进行操作，并通过力反馈感应系统来实现平稳和敏捷双脚行走，最快行走速度可能为5英里/小时（约合8公里/小时）。马斯克说：“如果这机器人‘造反’了，你还是能跑的过他的。”

这一个环节和之前的内容都有关联。这个人形机器人会利用目前FSD的硬件，和之前在第一个部分提到的视觉训练，自动标签等算法来实现周围的环境感知和识别，而这一过程也会借助于Dojo进行开发和训练。

04

—

一场披着技术发布的“人才招募会”

最后，Elon向全世界人才发出了召集令。招募顶尖的AI人才加入。这个也是Elon技术发布会的核心目的。

这样“秀肌肉”的技术发布会，面向的群体更多的是行业领域的专业人士，也是特斯拉招揽顶尖人才的独特方式。

事实上，美国近几年在统计工程类专业学生最想去的公司排名中，特斯拉和SpaceX其实都是名列前茅。

猫头鹰观察

—

从本次“AI Day”可以看到，一向特立独行的特斯拉，依旧走在一条自主创新的路上。比如，特斯拉抛弃了主流的激光雷达方案，试图证明纯视觉的解决方案可以实现自动驾驶；在 汽车 产品外，特斯拉还推出了服务型机器人，外观上比其他机器人更像“人”。没有太多的舞台效果，这场发布会更像是科研机构里面的学术交流专题会，展示了马斯克的意志，以及他所认为的未来。

AI不能直接影响人类的婚配数量，因为AI是一种工具和技术，不会直接干预人类的生活和决策。然而，AI可能会对某些领域的人类婚配数量产生一定影响，比如在某些地区，AI可能被用来帮助家庭更好地了解彼此的需求和意愿，从而可能增加某些家庭的婚配数量。但这只是可能性，不能确定AI对人类婚配数量的确切影响。

虽然人工智能（AI）技术在各个领域呈现出了惊人的发展和进步，但是不可能完全取代人工的，原因如下：

首先，人工智能技术目前在某些领域确实已经取得了令人瞩目的成果，例如在图像识别、语音识别和自动驾驶等领域。然而，这些技术主要是基于数据的模式识别和分析，相对来说更适用于重复性高、规律性强的任务。对于涉及复杂判断、人情世故、创造性思维和情感交流等方面的任务，AI技术还很难达到人类的水平。

其次，人工智能虽然能够处理大量的数据和信息，但是缺乏人类的情感和创造力。对于许多需要情感交流和人际关系的工作，AI技术无法与人工相提并论。例如，医生、教师、心理咨询师、艺术家等职业都需要与人进行情感交流和人际关系的建立，这是AI难以替代的。

此外，人工智能技术的发展也受限于其数据训练的局限性。AI系统需要大量的数据进行训练和学习，然而，对于一些特殊领域或者较为复杂的任务，数据的获取和准备会面临困难。而且，AI系统也容易受到数据偏见的影响，导致结果的不准确和不公平。

最后，人工智能技术的发展还面临伦理和法律问题。由于AI系统是基于算法和数据驱动的，其决策过程可能缺乏透明性和可解释性。这可能导致对于一些重要决策的责任和监督问题。同时，AI技术也涉及到个人隐私和信息安全的问题，需要相关的法律和道德规 范来规范和保护使用者的合法权益。

综上所述，虽然人工智能技术在某些领域已经取得了重大突破，但完全取代人工的可能性仍然相对较低。AI技术目前主要用于处理重复性高、规律性强的任务，无法替代涉及复杂判断、创造性思维和情感交流等方面的工作。此外，数据训练的局限性、伦理和法律问题等也限制了人工智能技术的发展。因此，担心被AI取代并自杀的问题应该以科学审视和正确引导的方式来解决，既要充分利用和发展人工智能技术的优势，又要保护和维护人类的价值和尊严。

虽然AI在发展，但是短期类很多内容还是依靠着人工的思想去处理，现实中还是有很多事情还是通过人与人的对接实现，比如说传统的物流行业很多是线下的业务。当然也有很多在做物流供应链的数字化转型，比如说一站，业务涵盖从关务，物流，拖车，门到门的一站式平台，也在积极开发在线VR，线上化业务等。

1提升音乐创作和制作效率

AI歌手可以快速学习和模仿人类歌手的声音和演唱技巧，从而在短时间内产生大量的翻唱作品。这将有助于提升音乐创作和制作的效率，节省时间和资源。

2社会文化的影响

AI翻唱的出现也将会对社会文化产生一定的影响。AI翻唱将会改变人们对音乐和艺术的认识和理解，使得音乐和艺术的传播和接受更加普及化。AI翻唱也将会丰富人们的文化娱乐生活，提高人们的生活品质和乐趣。

3版权保护的问题

AI翻唱也将带来版权保护的问题。AI翻唱的版权归属尚不明确，这将会引发版权保护的争议。AI翻唱也可能会侵犯原唱者的肖像权和名誉权等权利，这也需要加强相关法律法规的制定，保护原唱者的合法权益。

4人机融合的发展

AI翻唱的出现也标志着人机融合的发展。AI翻唱不仅是人工智能技术在音乐领域的应用，也是人与机器之间的一种融合。随着人工智能技术的不断发展，人机融合将会成为未来的一个趋势，对社会和经济的发展产生深远的影响。

5挖掘潜在市场和受众

AI歌手的翻唱作品可以涵盖广泛的音乐风格和语言，从而吸引不同地区和文化背景的受众。这将为音乐产业打开更多的市场机会，并吸引更多的听众。

6音乐行业的变革

AI翻唱的出现将会对音乐行业产生一定的影响。AI翻唱将会提升音乐制作的效率和质量，降低音乐制作的成本，这将会打破传统音乐制作的模式。AI翻唱的出现也将会带来新的商业模式和商业机会，例如AI音乐创作、AI音乐教育等。

AI绘画技术还在进化中，迭代速度非常快，可以用变化快来形容。即使比较今年年初和现在的AI画，效果也大不相同。当我们谈论AI绘画的概念时，我们更多的是指基于深度学习模型进行自动绘画的计算机程序。通过人工智能的理解，文字描述会自动转化为图像。语音自动识别文本的技术已经很成熟，所以它本质上是一个人工智能从文本到图像的绘图过程。目前，还没有一种AI模型能够生成具有足够吸引力和逻辑性的长篇文学内容，但从AI绘画模型的积极发展来看，在不久的将来，AI将生成高质量的类型文学作品几乎是肯定的。                 

在年初，用Disco Diffusion可以创建一些大气的草图，但几乎不可能生成人脸;仅仅两个月后，DALL-E 2就能产生精确的面部特征;现在，最强大的稳定扩散在绘画的细腻和速度上有一个数量级的变化。AI绘画并不是一项新技术，但从今年开始，AI创作的作品质量以肉眼可见的速度不断提高，效率从年初的一小时缩短到现在的十多秒。这一变化背后发生了什么让我们先全面回顾一下AI绘画的历史，然后了解过去的一年左右见证了AI绘画技术的一些历史性突破。               

还没有一种AI模式能够生成具有足够吸引力和逻辑性的长篇文学内容，但从AI绘画模式的积极发展趋势来看，在不久的将来，AI将生成高质量的类型文学作品几乎是肯定的，这在理论上是毋庸置疑的。                

微软亚洲研究院“创新汇”成立至今已有三年时间，从最开始提出 DTaaS（数字化转型即服务）理念，到近期正式发布微软 AI 量化投资平台“微矿 Qlib ”和微软多智能体资源优化平台“群策 MARO”，DTaaS 的平台之路已经初见成效。

创新汇的成员企业如今已扩展到了 27 家，包含了来自金融、物流、教育、医疗 健康 、制造、零售等多个行业的龙头企业和创新公司。微软亚洲研究院的 AI 科学家与各领域的行业专家紧密合作，激荡智慧，推动企业加速数字化转型，助力其业务模式与时俱进，并共同开展了不少前瞻性的 AI 合作研究项目，在多个行业落地。

微软是一家平台公司，在进行一个个独立的合作项目（可称之为“点”）的过程中，我们的研究员也在不断抽象核心业务场景中的 AI 逻辑，挖掘问题的内在本质，逐步将创新的技术成果延伸到更广泛的行业领域（可称之为“面”），并将这些技术打造为通用平台，以实现某个行业领域的 AI 应用闭环。 只有实现由“点”到“面”的跨越，AI 才能真正改变各行各业。

创新汇成员华夏基金与微软亚洲研究院自 2017 年开始在量化投资——多因子选股领域合作，基于“AI+指数增强”的策略，双方挖掘出了与传统投资方法低相关性的投资组合，实现了华夏基金在金融市场中的差异化竞争。

事实上，在整个股票投资的过程中，选股只是一小步，如果要确保投资成功，还需了解建仓股票之间的关系，从而进行风险控制，以避免“鸡蛋放在一个篮子”的问题发生，如同类股票要谨慎购买，相关联企业要分散投资等等。同时，还需要将交易成本、换手率等约束条件纳入考虑之中；当形成最优投资组合之后，还要考虑订单的执行和交易因素等等。

基于这样的思路， 微软亚洲研究院在此前的研究基础上，打造了一个 AI 量化投资平台微矿 Qlib 1， 希望实现量化投资流程的 AI 闭环 。作为一个 开源工具包 ，该平台可供金融机构、从业个人使用，以提升投资者的技术储备和综合水准，提高整个市场的效率，从而在投资领域形成更大规模的良性循环。

未来，我们还考虑从一横一纵两个方向上对开源平台进行扩展 ——大类资产配置和金融监管。大类资产配置是股票投资的延伸，除了股票二级市场和一级市场，还可以从债券、外汇甚至黄金等多个领域，帮助资金持有者规划更多的投资组合，进一步平摊投资风险，确保更高的收益。

另一方面，金融服务业的业务形态正变得越来越复杂，参与的机构与个人也越来越多，各种操作眼花缭乱，对于监管机构来说，管理难度与日俱增。而在复杂的环境中找规律、找异常，监测风险、挖掘内幕，正是 AI 技术所擅长的，因此在与合作伙伴沟通的过程中，我们也意识到 AI 可以成为金融监管领域的得力助手。

在与创新汇成员东方海外航运的合作中，我们覆盖了供需预测和路径优化这两个物流行业的主要业务场景，通过运用深度学习和强化学习等最新的人工智能技术，来优化现有的航运网络运营。与顺丰的合作，则主要聚焦于智能理赔预警、链路预测、动态定价等方面，在物流领域的更多环节 探索 了 AI 的应用价值。

这两个案例覆盖了物流链条供需匹配的多个基本场景，十分具有代表性，但这仍然都是“点”的突破。其实，在大物流的视角下，除了集装箱、货车调度之外，还涉及仓储管理、仓内货物调度、机器人自动化分拣，以及仓储和终端、供应商、零售终端的关系等多个环节，所有这些子问题的解决方案集成在一起，才是一个完整的物流供应链管理平台。

这其中，物流行业要解决的最根本问题之一，就是供给与需求的匹配。因此，我们针对“ 资源供需匹配”这个可适用于各行各业的核心引擎，研发并开源了多智能体资源优化的群策 MARO 平台 2。或许有些企业已经开发了各种 IT 系统，去解决物流链条中与资源供需匹配相关的子问题，但能够如此与 AI 技术紧密结合的，我们的平台在业内尚属首个。而很多涉及到资源供需匹配的业务场景，例如共享单车中单车与用户的匹配，数据中心里需要运行的任务与实际物理机器的匹配，都可以用 MARO 平台去解决。

可以认为，MARO 是一个面向多行业横截面上的全链条资源优化 AI 解决方案，用户只需提供简单的接口或数据，平台就会自动生成一个仿真器，进行强化学习训练，并最终给出行业解决方案。 开源后的 MARO 平台，将不局限于物流行业，可以帮助更多的传统企业翻新资源匹配工具，以数据驱动的方式达到资源最优化，大幅节约成本 。

与金融领域通用 AI 平台构建、发展的思路类似，我们希望不断充实物流领域的通用 AI 平台。特别是，对于中小规模的物流企业来说，他们将可以直接利用包括 MARO 平台在内的物流领域通用 AI 平台，大幅缩短其 AI 智能业务系统搭建的进程，形成后发优势。

无论是金融领域还是物流领域的通用 AI 平台，都是基于 AI 最擅长的应用“点”来展开的。人工智能作为人类智能的辅助，仅需通过短时间的学习和调试，便能在分析和解决复杂问题时，表现出令企业决策层惊喜的能力。当我们在不同的行业，找到一个又一个的核心应用“点”，就可以由点及面，用 AI 去逐步“打开”每一个传统行业。

同时，我们也积极与微软的产品部门合作，将更多 AI 决策融入到微软的产品体系中。未来，AI 必将实现与不同行业、不同场景更紧密的融合，带领每个企业、每个行业全面迈向 AI 时代。

1微软 AI 量化投资平台——微矿 Qlib：https://githubcom/microsoft/qlib

2微软多智能体资源优化平台——群策 MARO：https://githubcom/microsoft/maro